6
编者按：本文作者宫雅卓，聚虹光电创始人，上海交大博士。对生物特征识别有所研究，尤在虹膜识别领域有15年的专研。
2015年9月8日，被众多极客戏称为“全球最不务正业”的“百度深度学习实验室”，向全球正式发布了趣味换脸APP——脸优Face It.
在这款APP上，用户自拍或上传任意一张脸部照片，即可自动生成素材。“脸优”既可以利用前置摄像头将素材贴合到用户的脸上，进行实时演绎；也可以使用后置摄像头，将不同的脸与海报、电影、电视剧画面贴合，毫无PS痕迹。通过“点击拍照”或“录制20秒视频”分享到微信、微博、QQ空间。
“不开刀不留疤，脸优一键变大咖”，这款趣味换脸应用的背后，是人脸识别技术。
人脸识别技术，由三个关键部分组成：人脸检测、特征提取、匹配识别。
1、在背景景物中进行人脸检测
也就是说，脸优首先判断用户上传的照片中有没有人脸，如果有，再利用人脸的左右对称性定位脸形，并通过肤色、眼睛颜色、毛发等特征确定种族。
2、对人脸进行预处理，提取人脸特征
一旦脸形确定，就可以从中心扩散，利用人体特征器官的灰度变化、纵深复杂度和匹配度算法，对诸多关键点进行检测。
（脸优：帅哥变狗狗）
脸优的“图像拼合”功能，是找到嘴、鼻子、眼睛、眉毛等关键点，与用户选定的图片素材相互拼合。人脸的关键点数量，可以分为不同等级，如5、25两级，分别对应不同的调整需求。一般情况下，检测到双眼、鼻尖、两边嘴角这5个关键点，就可以实现步骤1的定位人脸。
（汤姆·克鲁斯的5个人脸关键点 ）
如果采用25个人脸关键点，在娱乐性应用中可以对更多人脸细节进行调整，如修片神器“美图秀秀”深谙“大眼睛小脸”的审美，锁定眼睛、嘴、下颌等多个关键点，让女生一秒变女神。
2015年火爆全球的微软“猜年龄 How-Old.net”，则是根据脸上27个随着年龄变化明显的人脸特征，如眼角、嘴角、鼻子等关键点，判断用户的性别和年龄。“岁月是把杀猪刀”，随着时光流逝，岁月磨蚀，皮肤会出现棕褐色暗斑和皱纹，眼角和嘴角也会下垂，而老化正是影响人脸识别精度的关键因素。
（25个关键点对应的人脸部位）
3、匹配识别
人脸识别（Face Identification）就是将待识别的人脸与数据库中的已知人脸匹配，判断用户的身份。国内婚恋网站世纪佳缘，采用人脸识别技术，从海量数据中筛选出与用户上传照片最相似的人脸，为单身男女“牵线搭桥”，本质上就是看哪一对年轻人最有“夫妻相”。百度魔图，曾经推出一款HTML5游戏，用户自拍或上传照片后，游戏就会告诉你和哪个明星相似，相似度是多少百分比。
人脸识别技术，用于“征婚”、“追星”这类对识别精度要求不高的娱乐应用，是可以满足要求的。但是，一旦用于高安全等级的场景，人脸识别精度就很不理想了。最戏剧性的案例是，澳大利亚悉尼机场曾采用一套具有最高识别精度的人脸识别系统，希望在乘客中识别出恐怖分子，而这套人脸识别系统的精度实在让人失望，居然把美国著名女明星薇诺娜-瑞德 Winona Ryder 错认成了恐怖大亨本-拉登 Osama bin Laden。
花巨资采购的人脸识别系统，为什么会犯这样的低级错误？
最重要的原因是，人脸的“非刚体性”特征。
“非刚体性”主要表现为人脸图像在光照、姿态、表情等不同采集条件下的差异，发型、胡须、化妆、饰物、着装的变化，以及年龄、疾病、外伤等因素的影响。人脸特征先天就是不稳定的，随着外部条件不断变化的，这才是导致人脸识别精确度不高的根本原因。
在高安全性应用中，人脸识别技术是不能独立使用的，往往要与识别精度更高的其他生物特征配合使用，进行多模态识别。最常见的多模态组合，就是“人脸+虹膜”。
“人脸+虹膜”的多模态识别系统
“人脸+虹膜”的多模态识别系统，一般使用流程是：采用监控摄像头对来往人流进行精度较低的人脸识别（误识率大约1/1000），一旦发现与警方提供的嫌疑犯面部相似的人，便会发出警报，再采用精度更高的虹膜识别（误识率大约1/100万），进一步精准判断罪犯的身份。
人脸，在无需用户配合的情况下就可以采集到照片，几乎没有侵犯性的用户体验，使其成为“具有最高易用性”的生物特征；而虹膜，是公认具有“最高识别精度”的生物特征。因此，“人脸+虹膜”的多模态应用，将两者的优点（高易用性、高精确性）集于一身，才是目前生物识别应用中最有优势的技术方案。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
